具有世界模型的网络智能体：在网页导航中学习与利用环境动态
TLDR
提出一种世界模型增强的网络智能体，通过模拟行动结果改进决策，在WebArena和Mind2Web上验证。
评分理由
The paper clearly identifies a gap (LLMs lack world models) and introduces a novel method with transition-focused observation abstraction. Strengths include empirical validation on real benchmarks and cost-efficiency. Weaknesses are the narrow focus on web navigation and potential scalability issues.
Read-first 评分解释
综合优先阅读分 52.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 40。
研究版图角色
候选论文
排序敏感性
稳定性：volatile；排名波动范围：354。
关键词评分
深度分析
创新点
- 通过初步分析确认当前LLMs（如GPT-4o、Claude-3.5-Sonnet）缺乏世界模型
- 提出一种世界模型增强（WMA）网络智能体，通过模拟行动结果来改进决策
- 引入一种聚焦于状态转换的观测抽象方法，利用自由形式的自然语言描述关键状态差异，将LLMs训练为预测下一观测的世界模型
方法
研究首先进行初步分析，确认当前LLMs缺乏世界模型。随后提出一种世界模型增强（WMA）网络智能体，模拟其行动结果。为克服将LLMs训练为预测下一观测的世界模型所面临的挑战（如重复元素、长HTML输入），引入一种聚焦于状态转换的观测抽象方法，输出自由形式的自然语言描述，突出时间步之间的关键状态差异。该智能体在WebArena和Mind2Web基准上进行评估。
关键结果
世界模型无需额外训练即可改进智能体的策略选择，且WMA智能体与近期基于树搜索的智能体相比，在成本和时间效率上更具优势。